FIELD CAMP 2025에서는 행동경제학 설문을 투자 페르소나로 만들고, 그 페르소나에 맞춰 금융자산 포트폴리오를 최적화하는 파이프라인을 설계했습니다. 저는 프로젝트 리드와 알고리즘 개발을 맡았고, 이 작업으로 대회 최우수상인 대한산업공학회장상을 받았습니다.
문제를 모델로 바꾼 방식
포트폴리오 최적화만 하면 흔한 Markowitz 문제가 됩니다. 그래서 저희는 먼저 투자자를 하나의 위험 성향 점수로 줄이지 않고, 행동경제학적 특성을 여러 차원으로 읽으려 했습니다. 47개의 행동경제학 변수를 9개 영역으로 정리하고, AutoEncoder와 DEC 기반 클러스터링으로 투자자를 묶었습니다. 그다음 XGBoost와 SHAP을 사용해 각 페르소나가 어떤 변수로 설명되는지 확인했습니다.
이 과정에서 제가 신경 쓴 것은 "군집이 나왔습니다"에서 멈추지 않는 일이었습니다. 군집은 설명 가능한 언어가 되어야 포트폴리오 설계로 넘어갈 수 있습니다. 그래서 저는 페르소나를 사람을 낙인찍는 분류가 아니라, 투자 성향을 모델 파이프라인 안에서 다루기 위한 중간 표현으로 보았습니다.
최적화 파이프라인
포트폴리오 단계에서는 One Fund Theorem과 Markowitz 최적화를 연결했습니다. KOSPI 상위 종목, ETF, 채권, BTC와 ETH 같은 자산군을 포함하고, 변동성, 암호자산 비중, 채권 최소 비중, 단일 종목 최대 비중 같은 제약을 넣었습니다. 공분산은 수축 추정과 계층적 클러스터링을 활용해 안정성을 높이려 했습니다.
마지막에는 10,000회 Monte Carlo 시뮬레이션으로 결과가 특정 한 번의 계산에만 기대지 않도록 점검했습니다. 금융 데이터는 입력과 가정에 민감하기 때문에, 좋은 해를 찾는 것만큼 그 해가 얼마나 흔들리는지 보는 일이 중요했습니다. 저는 이 부분을 팀의 알고리즘 설계와 결과 해석 사이에 놓으려 했습니다.
제가 맡은 일
저는 전체 분석 흐름을 설계하고, 클러스터링에서 최적화까지 이어지는 알고리즘 구현을 맡았습니다. 팀 프로젝트였기 때문에 결과물은 함께 만든 것이지만, 제 책임은 방법론이 끊기지 않도록 연결하는 데 있었습니다. 행동 변수, 페르소나, 설명 가능한 모델, 포트폴리오 제약이 따로 보이면 설득력이 약해집니다.
프로젝트 리드로서는 발표 구조도 중요했습니다. 단순히 "AI와 금융을 결합했습니다"라는 말보다, 왜 행동경제학 변수를 쓰고, 왜 설명 가능한 모델을 붙이고, 왜 제약식을 넣었는지 보여 줘야 했습니다. 그래서 저는 각 단계가 다음 단계의 입력이 되도록 구조를 잡고, 결과 해석도 투자 조언처럼 과장하지 않으려 했습니다.
성과와 한계
수상은 분명한 성과였지만, 제가 더 중요하게 보는 것은 "투자자를 하나의 위험 성향 숫자로 줄이지 않는 방법"을 실험했다는 점입니다. 다만 페르소나와 포트폴리오 추천은 실제 투자 자문이 아니고, 입력 데이터와 제약식에 크게 의존합니다. 이 프로젝트는 금융상품을 추천하는 시스템이라기보다, 사람의 행동 특성을 모델링 파이프라인 안에 어떻게 넣을 수 있는지 검증한 작업으로 남아 있습니다.
